Consequences of reduced sampling intensity for estimating population size of wolves in Scandinavia with spatial capture-recapture models

English. Every winter, the Scandinavian wolf population is surveyed using non-invasive genetic sampling (NGS) and snow-tracking to assess its annual status and trends. During 2017/18, search intensity and the proportion of samples genotyped was unusually high, resulting in more than 3 000 samples associated with 375 individuals. The boost in sampling was realized in part through intensified structured searches by the management authorities and in part by encouraging hunters and the general public to collect samples opportunistically. Such a high effort is not sustainable for long-term monitoring, but presents an opportunity to evaluate the consequences of reduced sampling intensity. We artificially thinned the number of genetic samples available and evaluated the consequences of thinning on population size estimates derived with spatial capture-recapture (SCR) models.The original aim of this study was to identify sampling strategies (sampling intensity and spatial configuration) that increased the cost-efficiency of wolf monitoring in Scandinavia for population size estimation using SCR. However, discovery of an apparent bias in population size estimates in response to sample reduction led to a shift in focus to identifying the possible causes of this pattern.We found population size estimates obtained after sample reduction to be sensitive to different thinning strategies and model specifications. Aside from the expected increase in uncertainty around parameter estimates due to a reduction in sample size, removal of detections collected during structured sampling led to a reduction in mean abundance estimates. Further testing revealed that the apparent negative bias was especially pronounced 1) for the model that included separate submodels for opportunistic and structured sampling, 2) for abundance estimates of females that were not adult scent-marking individuals, 3) for single-season SCR models, as opposed to open-population SCR models (OPSCR), and 4) when thinning was conducted only on samples collected during structured searches.Our analysis helped us hone in on the conditions under which bias is most prevalent, but further work is needed to identify the mechanisms causing it. As a next step towards a more applicable observation process model and/or data thinning scheme, we recommend a thorough characterization of the data accumulation process, including the potential link between opportunistic and structured sampling and the spatio-temporal relationship between track logs and samples.

Den Skandinaviska vargpopulationen inventeras varje vinter, främst genom spårning på snö och analys av DNA-prov som samlas in under spårningarna, för att bland annat uppskatta antal och fördelning familjegrupper och revirmarkerande par. Under vintersäsongen 2017/18 utökades insatsen att söka efter och analysera DNA-prov från varg, vilket resulterade i mer än 3000 prov från 375 individer. Insamlingen av prov under vintern utökades dels genom mer intensifierade strukturerade sökinsatser av de förvaltande myndigheterna, dels genom att uppmuntra jägare och allmänheten att opportunistiskt samla in prov. En sådan insats är inte ekonomiskt hållbar för inventeringar på lång sikt, men med det erhållna datamaterialet är möjligt att undersöka och jämföra vad som händer om insatsen skulle varit mindre. Här tunnade vi artificiellt ut antalet tillgängliga prov från vintern 2017/2018 och undersökte konsekvenserna av uttunningen på uppskattningen av populationsstorlek från rumsliga fångst-återfångstmodeller (SCR).Målet med studien var ursprungligen att identifiera provtagningsstrategier (m.a.p. antal prov och rumslig sammansättning) för att en mer kostnadseffektiv uppskattning av den Skandinaviska vargpopulationens storlek med SCR. Vi upptäckte emellertid att med uttunnade provmaterial fick snedfördelade uppskattningar av populationsstorleken med SCR. Detta gjorde att vi bytte fokus i studien för att undersöka orsaken bakom snedfördelningarna.Vi fann att uppskattningar av populationsstorlek var känsliga för olika typer av uttunningar av provmaterialet samt olika modelltyper. Som förväntat ökade osäkerheten kring uppskattningarna av parametrarna i modellen med minskat antal prov. Då observationer från den strukturerade insamlingen av prov reducerades blev de uppskattade populationsstorlekarna dessutom lägre. Efter fortsatta undersökningar visade det sig att den negativa avvikelsen i populationsstorlek blev tydligare 1) med modeller som byggde på skilda förklaringsmodeller för opportunistiska och strukturerade provinsamlingar 2) för det uppskattade antalet tikar som inte var revirmarkerande, 3) för SCR-modeller enbart baserade data insamlat inom säsongen till skillnad från fångst-återfångstmodeller som även bygger på data från andra säsonger och 4) när endast prover från den strukturerade insamlingen tunnades ut.Denna studie hjälpte oss att identifiera de förhållanden som generades de mest snedfördelade uppskattningarna av antalet individer i populationen, men mer analyser behöves för att ta reda mekanismerna bakom dessa resultat. För en mer tillämpbar modell över vargobservationerna och/eller uttunning av befintligt datamaterial, rekommenderar vi en noggrann karakterisering av hur data tas fram, däribland den möjliga kopplingen mellan opportunistisk och strukturerad insamling samt det rumsliga och tidsmässiga sambandet mellan spårningar och insamlade prov.